日负荷数据聚类是实现用户用电特性分析的重要方式。用于聚类的降维采样数据的指标权重会影响聚类结果,因此提出一种基于CRITIC赋权的奇异值分解(singular value decomposition,SVD)降维方法C-SVD与改进加权模糊C均值聚类(fuzzy C-means...日负荷数据聚类是实现用户用电特性分析的重要方式。用于聚类的降维采样数据的指标权重会影响聚类结果,因此提出一种基于CRITIC赋权的奇异值分解(singular value decomposition,SVD)降维方法C-SVD与改进加权模糊C均值聚类(fuzzy C-means,FCM)算法相结合的日负荷数据聚类方法,同时针对传统FCM易受初始聚类中心影响的问题,提出一种自适应确定初始聚类中心的密度‒距离中心点选择(density-distance centersr selection,DDCS)方法。首先,采用SVD对负荷数据进行降维处理;其次,使用CRITIC赋权法对降维指标进行权重配置;然后,使用DDCS法确定初始聚类中心;最后,使用加权FCM算法对负荷数据进行聚类。仿真算例表明,与传统方法相比,所提方法鲁棒性强,能够明显提升负荷数据聚类结果的准确性。展开更多
